基于改进ResUnet的高分辨率遥感影像道路信息提取

摘要：

针对残差模型在信息传递过程中容易造成信息损耗与塌陷域、模型参数量大等问题,为提高残差模型的抗遮挡能力、分割完整性与减少模型参数量,提出了一种基于改进深度残差UNet(ResUnet)的高分辨率遥感影像道路信息提取方法.在原有ResU net模型中,首先,用密集块替换原有的残差块,以提高信息传递能力;然后,在密集块之间加入转置层和空间通道压缩与激活模块,对空间和通道进行重新校准,强调重要特征抑制无用特征;最后,利用空洞空间卷积池化金字塔模块作为桥接部分,连接编码器与解码器,扩大感受野,提取多尺度特征.在马萨诸塞州道路数据集上进行实验.结果表明,所提出方法的精确度、召回率、F1分数以及Dice系数分别达到了88.62％、84.19％、86.35％、83.22％,比原有ResU net模型分别提高了0.63％、3.60％、2.10％、1.62％,表明了改进ResU net网络具有良好的性能.

关键词：高分辨率遥感影像、道路信息提取、改进ResUnet、深度学习、DenseNet

所属期刊栏目：37

分类号：TP751(遥感技术)

资助基金：国家自然科学基金42004158

在线出版日期：2022-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：87-93